Creación, Implementación y Validación de Modelos de Predicción de Riesgos Intra y Postoperatorios

Se ha diseñado un estudio de tres fases:

1. Primera fase: Derivación y validación interna del modelo predictivo mediante un estudio de cohorte reprospectivo en el que participaron pacientes intervenidos en el Hospital Galdakao-Usansolo (HGU), Hospital Urduliz (HU), Hospital Universitario de Basurto (HUB), Hospital Universitario de Donostia ( Se contratará HUD) y el Hospital Universitario de Araba (HUA). Hospital universitario de Donostia (HUD) y Hospital universitario de Araba (HUA) durante XXX años y se obtendrán datos desde el periodo preoperatorio hasta el mes del alta de la operación. Para la identificación y creación de estos modelos se utilizarán técnicas de aprendizaje automático con el objetivo principal de identificar variables no descritas en la literatura. El aprendizaje automático es la rama más importante de la Inteligencia Artificial. Dentro del Machine Learning, el aprendizaje supervisado es el área más utilizada. El aprendizaje supervisado permite a las computadoras aprender a realizar tareas descubriendo y explotando patrones complejos en grandes cantidades de datos. En el caso concreto de los datos de la historia clínica electrónica, los algoritmos de Machine Learning nos permiten utilizar los datos históricos de cada paciente para que el ordenador aprenda a anticiparse a eventos futuros de forma personalizada.
2. Segunda fase: Validación externa de los modelos creados en la primera fase en una cohorte de pacientes intervenidos en 2020 en los mismos centros. La metodología propuesta por Debray et al. sera aplicado.
3. Tercera fase: Evaluación de resultados tras la implantación de los modelos en la HCE del Hospital Galdakao-Usansolo en forma de 'Guía de actuación'. A partir de la estratificación del riesgo realizada en las fases anteriores, el servicio de anestesia creará recomendaciones de actuación según el nivel de riesgo. Se compararán los porcentajes de mortalidad y complicaciones intra y postoperatorias mediante un estudio de intervención cuasiexperimental, comparando los resultados del hospital del HGU donde se implementará la escala de riesgo y las consiguientes recomendaciones, antes y después de su implementación, así como comparándolos con los porcentajes de pacientes que se complican y/o fallecen en HU, HUB, HUD y HUA, donde se seguirá la práctica clínica habitual, según la escala ASA. Esta cohorte prospectiva, una vez implementada la escala de riesgo, también se utilizará para la validación externa (2020-2021).

Se recogerán variables sociodemográficas y clínicas (diagnóstico principal, comorbilidades, tratamientos, intervenciones previas, datos intraoperatorios, datos postoperatorios, procedimientos realizados durante la hospitalización y complicaciones hasta un mes después del alta hospitalaria) y parámetros de laboratorio.

Esta información se extraerá del sistema global de explotación de datos de Osabide, Oracle Business Intelligence, y los datos de laboratorio se extraerán de los sistemas de información de los laboratorios clínicos de los centros implicados.